El estudio tiene como objetivo presentar una arquitectura para un sistema de recomendación basado en elementos de usuario que se transforman en categorías estrechas. En particular, para identificar las películas que un usuario probablemente verá basadas en sus elementos favoritos. El sistema de recomendación se enfoca en las conexiones más cortas entre las correlaciones de elementos. El grado de atención prestado a las relaciones usuario-grupo proporciona otra pieza valiosa de información obtenida al unir los subgrupos. Se han utilizado varias relaciones para reducir el problema de la escasez de datos. Reformulamos los datos existentes en varios grupos de elementos y usuarios. Como parte de los cálculos y la contención de actividades, consideramos la similitud de Pearson, la similitud del coseno, la distancia euclidiana, la regla de distribución gaussiana, la factorización de matrices, el algoritmo EM y los vecinos más cercanos (KNN). También se demuestra que los métodos propuestos podrían moderar posibles recomendaciones desde diversas perspectivas.